具有共享记忆的多任务生成对抗网络用于跨域协调控制
人工智能
2018-07-03 v1 分布式、并行与集群计算
机器学习
摘要
从海量实测过程数据生成序贯决策过程，是协同工厂自动化的未来研究方向，即充分利用这些在线或离线过程数据直接设计灵活的决策策略并评估性能。序贯决策过程的关键挑战在于直接在线生成序贯决策策略，以及跨任务域迁移知识。大多数多任务策略生成算法常受限于在离散时间非线性系统应用中生成跨任务共享结构不足的问题。本文提出具有共享记忆的多任务生成对抗网络（multi-task generative adversarial nets）用于跨域协调控制，其可直接从所有任务的原始感官输入生成序贯决策策略，并在离散时间非线性系统中在线评估系统动作的性能。利用部署于中国潍柴动力智能工厂内的专业柔性制造试验台进行了实验。在三组离散时间非线性控制任务上的结果表明，我们所提模型可借助其他相关任务有效提升任务性能。
引用
@article{arxiv.1807.00298,
title = {Multi-Task Generative Adversarial Nets with Shared Memory for Cross-Domain Coordination Control},
author = {JunPing Wang and WenSheng Zhang and Ian Thomas and ShiHui Duan and YouKang Shi},
journal= {arXiv preprint arXiv:1807.00298},
year = {2018}
}